▲

AI 보조 코딩이 당신의 업무에 어떤 영향을 주고 있나요?

 (news.ycombinator.com)
7P by GN⁺ 1일전 | ★ favorite | 댓글 1개
  • 최근 전문적인 코딩 작업에 AI 도구를 사용해 보신 분이 있다면 경험을 공유해주세요
    • 어떤 도구를 사용하셨나요?
    • 어떤 점이 효과적이었고 그 이유는 무엇인가요?
    • 어떤 어려움에 직면했고, 어떻게 해결하셨나요? (해결했다면 말이죠.)
  • 다른 사람들이 경험을 통해 배울 수 있도록 충분한 맥락(기술 스택, 프로젝트 유형, 팀 규모, 경험 수준) 을 함께 알려주시면 감사
  • 목표는 2026년 3월 현재 AI 기반 개발의 실제 상황을 허황된 이야기 없이 객관적으로 파악하는 것

해커뉴스의 답변들 정리

AI가 생성한 문서와 커뮤니케이션 문제

  • 관리자가 Claude로 50페이지 분량의 설계 문서, PRD, 슬라이드 덱을 생성해 "빨리 리뷰해달라"고 보내지만, 작성자 본인도 읽지 않는 상황 발생
  • 일부 직원은 끝없이 슬라이드를 생성하면서 구체적 질문에는 답변을 회피하는 행태
  • 이전에 30분이면 해결할 DB 성능 이슈(GSI 추가 등)가 이제 AI가 생성한 37페이지 문서(설명, 완화, 계획, 리뷰, 위험, 배포 등)로 일주일이 소요되는 사례
  • AI 생성 콘텐츠를 보내면 수신자도 AI로 요약하는 "AI 대 AI" 커뮤니케이션 패턴 등장
    • "개념 → LLM 부풀리기 → LLM 요약 → 수신자" 흐름에서 전화 게임처럼 맥락과 뉘앙스 손실 위험
  • 한쪽이 저품질 콘텐츠를 쏟아내고 다른 쪽에 정성 리뷰를 기대하는 비대칭적 기대가 무례하다는 지적
  • 프리랜서 클라이언트가 AI로 과도하게 정교한 스펙을 보내놓고, 실제로는 30행짜리 CSV 테이블을 원하는 괴리 사례

직장 환경에서의 부정적 경험

  • 상위 개발자들이 AI로 모든 것을 처리한 뒤 정리 작업을 하위 개발자에게 전가하는 구조
    • AI 생성 코드가 메인 프로젝트의 API 설계를 따르지 않고, 불필요한 에러 처리와 파싱 코드를 대량 포함
    • 정리에 1주일 이상 소요되었으나, 원래 팀은 거의 즉시 산출했기 때문에 오히려 느려 보이는 역설
  • 한 대형 상장 기업은 1년 내 100% AI 생성 코드 목표를 세웠으며, 반대하는 모든 레벨의 직원을 퇴사시킴
  • 코드 품질보다 기능 출시 속도를 최적화하는 문화에서, 품질 작업을 하는 엔지니어가 "비효율적"으로 분류되는 구조적 문제
  • 팀원이 수주 전 코드를 가져와 Claude에 넣고 완성된 것처럼 제출했으나, 비즈니스 요구사항 오류와 심각한 버그 다수 포함
  • AI 사용이 의무화된 환경에서 코드 리뷰 부담이 급증하고, 수천 줄의 저품질 PR을 매일 검토해야 하는 상황
    • "내가 좋아하던 모든 것이 빼앗기고, 싫어하던 것만 남았다"는 표현

FAANG 및 대기업 경험

  • FAANG 근무자: 업무에서는 커밋 가능한 결과를 한 번도 얻지 못함, 개인 프로젝트에서는 10배 속도 향상
    • 대형 코드베이스의 자체 프레임워크와 라이브러리가 훈련 데이터에 없어 모델의 가시성이 제한적
    • 팀 내에서 성공 사례를 개인적으로 아는 사람이 실질적으로 없음
  • Amazon 엔지니어: Kiro(AWS 자체 도구)와 Opus 4.6 사용, 업무 2~4배, 사이드 비즈니스 10배 이상 생산성 향상
    • 코드 작성뿐 아니라 데이터 분석, 디버깅, 배포 루프 관리에도 활용
    • 기존에 한 달 걸릴 기능을 2주에 구현 — 다시는 사용하지 않을 세부 기술 학습 시간 절약이 핵심
  • Amazon 장애 관련: 보도된 AI 코드 금지는 사실과 다르며, 장애 중 AI 관련은 오래된 내부 위키 기반 조언 1건뿐
  • Microsoft 엔지니어: GitHub Copilot으로 무제한 Opus 사용, 작업 속도는 빨라졌으나 기대치가 과도하게 상승(2주 → 2일 기대)
  • 대형 기업 R&D: 버그 추적과 일회성 로깅 코드 생성에서 가장 큰 가치, 프로토타이핑 속도도 극적으로 향상
    • 단, 구현 비용 감소로 "무엇을 만들 것인가" 경쟁이 격화되어 더 빠른 사고와 명확한 판단 필요

긍정적 경험과 생산성 향상 사례

  • 10년 경력 엔지니어, 소규모 팀: 100K DAU 소비자 앱을 3명으로 구축·유지, 이전에는 10명 필요 예상
    • 버그 리스트 없음, 코드베이스 2명이 거의 전부 이해, 리팩토링 빈도 대폭 증가
  • Simon Willison: 2025년 11월 이후 대부분의 코드를 에이전트로 작성, iPhone의 Claude Code로도 작업
    • 수년간 구상만 하던 프로젝트를 몇 시간 만에 구현, 단독 개발자의 가능성 재조정
    • Claude Code로 Go 앱을 작성하며 삼투압 학습으로 새 언어 습득
  • 숙련된 프리랜서: Claude Code 사용 후 Terraform 95% 정확도, 데이터 처리 프로젝트에서 5배 이상 속도
    • "할 수 없던 것을 이제 할 수 있고, 어렵던 것이 쉬워지고, 쉬웠던 것이 빠르고 쉬워졌다"
  • 소규모 게임 스튜디오: 내부 도구와 워크플로우 개선에 활용, 아이디어에 가까울수록 AI 코딩이 효과적
  • 소규모 맥주 양조장 운영자: 장부 자동화(16시간/월 → 3시간), 생산·판매 보고서, 리워드 트래킹 앱 등 5개 이상 내부 도구 구축

코드베이스 이해와 디버깅에서의 활용

  • 대규모·레거시 코드베이스에서 "이 테이블을 건드리는 함수가 뭐가 있나?" 같은 질문에 효과적
  • 거대 모노리스 탐색: "API 엔드포인트 인증 방식이 몇 가지인가?" 질문에 5분 만에 4가지를 찾아 요약
  • 디버깅: 복잡한 정규식이 매칭 안 되는 이유 파악, 스택 트레이스 분석, 로그 분석에 탁월
  • 익숙하지 않은 코드베이스 온보딩 시간이 며칠에서 수분으로 단축
    • "인도나 동유럽 동료에게 질문하고 하룻밤 기다리던" 과정을 AI가 완전 대체

코드 품질과 유지보수 우려

  • AI 생성 코드의 일관된 문제: 불필요한 복잡성, 과도한 에러 처리, 중복 로직, 기존 함수 미활용
  • 유지보수가 필요한 코드에는 직접 작성이 장기적으로 더 빠름 — AI 코드는 나중에 수정할 때 멘탈 모델이 부재
  • Claude가 HTML 새니타이저를 커스텀 정규식으로 교체하려 한 사례 — 테스트는 통과하나 보안 취약점
  • 인증이 있는 API를 만들면서 누구나 새 API 키를 PUT할 수 있는 라우트를 추가한 사례
  • AI는 코드베이스 복잡성을 줄이는 프로액티브한 리팩토링을 거의 하지 않으며, 로직 중복, 불필요한 추상화, 의존성 순환을 계속 누적
  • 200K LOC 코드베이스를 99.5% AI로 작성한 사례도 있으나, 엄격한 TDD와 매 라인 리뷰가 전제

스킬 퇴화와 심리적 영향

  • "내 게으름 스타일을 잘 알기 때문에 스킬이 퇴화할 것" — AI 코드 생성을 아예 사용하지 않는 선택
    • 한 동료는 6개월 전 AI 의존을 인정하며, 중단하려 하지만 약물 중독처럼 쉽게 손이 감
    • 주니어 개발자가 지난 1년간 점점 더 엉뚱한 MR을 제출, AI 사용 흔적 발견
  • 시니어 엔지니어: "코딩 스킬이 퇴화하는 것을 알지만, 코딩이 내가 진정 즐기던 부분인지 확신이 없음" — 설계와 아키텍처에 더 많은 시간 투자
  • 개인 프로젝트에서 AI로 10배 빠르게 만들지만, "내가 만든 게 아니라서" 연결감이 없고 완성까지 동기가 사라짐
  • "AI가 좋아하던 부분을 잘 하고, 싫어하거나 지치는 부분에 더 많은 시간을 보내게 됨" — 전반적 스트레스 증가
  • 3년차 엔지니어: AI가 90%를 할 수 있지만, 나머지 10%를 하려면 그 90%의 멘탈 모델이 필요하고, 그건 직접 코딩해야만 형성됨

효과적인 워크플로우와 베스트 프랙티스

  • 스펙 → 계획 → 비평 → 계획 개선 → 구현 흐름이 가장 높은 품질 산출
    • Plan Mode 활용 후 구현, 구현 후 같은 모델로 코드 리뷰 추가(별도 세션 권장)
  • AGENTS.md / CLAUDE.md 파일로 코딩 스타일, 패턴, 금지 사항 문서화 — 세션 종료 시 업데이트
  • 에이전트에 자체 디버깅·검증 능력 부여: 테스트 실행, 로그 확인, 스크린샷 검증 등
  • 제약 조건을 사전에 명시("표준 라이브러리만, 새 파일 없이, 50줄 이내")하면 결과 품질이 극적으로 향상
  • 여러 에이전트 간 상태 파일(mechanical ledger) 운용: 커밋, 테스트, 패치 실패를 기록해 새 세션이 메모리 대신 실제 상태에서 컨텍스트 재구축
  • Git worktree 활용으로 여러 작업을 병렬 진행하면서 컨텍스트 분리

비기술적 역할과 AI의 확장

  • PM/운영 디렉터: 프로그래머 없는 소규모 회사에서 지난 1년간 12개 내부 도구 구축, 개발 개념을 놀라운 속도로 학습
  • 비기술 공동창업자: 기능적 프로토타입 생성 가능하나 프로덕션 수준으로의 전환은 엔지니어 필요 — 페어 프로그래밍이 설계 문서보다 생산적
  • 비기술 관리자가 MS Copilot으로 생성한 ESRI Arcade 코드 디버깅에 3시간 페어 세션 투입 — "AI 디버깅 전문가" 역할이 새로운 청구 가능 업무로 부상

도메인별 효과 차이

  • 웹/API 개발: A등급, 아키텍처부터 패키지 호환성 디버깅까지 전 스택에서 효과적
  • Unity/게임 개발: C- 등급, 씬 그래프·컴포넌트 모델·하드웨어 의존 동작 이해 불가
  • 의료 영상: 전문 지식 부족으로 실패, 성능 최적화 제안이 실제 데이터에서 전부 개선 실패
  • Rust 애플리케이션: 그린필드 Python/웹에서는 효과적이나, 100K LOC 미만 Rust 앱에서 에이전트 워크플로우 비생산적
  • 신호 처리, 임베디드, HPC: 환각 빈도 높고 외부 미문서 API 작업 시 사실상 무용
  • C++ 그래프 알고리듬: 결과가 극도로 비선형적 — 한 번에 맞거나 완전히 실패, 중간이 없음

업계 전망과 우려

  • "5~7년 내 CEO/CFO 수준의 AI 맹목이 심각한 인재 부족과 급여 3배 상승으로 이어질 것"이라는 전망
  • "중간 레벨이 공동화되고, 방향 설정·조율·실행하는 소수의 시니어만 남을 것"이라는 우려
  • AI가 재귀적 자기 개선 단계에 진입 중이며, 6개월 후 어디까지 갈지 예측 불가능
  • MIT 논문에서 모델 폭(width) 스케일링의 한계가 확인되었고, 훈련 데이터 고갈과 합성 데이터의 품질 저하 문제
  • "모두 실직하거나, 대규모 시장 붕괴가 임박하거나, 둘 다" — 흥미롭지만 불안한 시대
  • 프리랜서 시장: 장기 관계 기반 프리랜서는 아직 둔화 미감지, 단발성 소규모 작업은 AI로 대체 가능성

AI를 사용하지 않는 선택

  • LLM 사용 전 동료의 기존 자동화가 있었으나, AI가 멍청한 주니어를 돌보는 느낌이라 흥미 상실
  • "어떤 문제도 해결하지 못하고 새로운 문제만 도입하는 함정" — 본인 작업에 AI 사용을 정책적으로 금지
  • 로보틱스 분야: C++과 Python 사용, AI 코딩 시도 시 반쯤 작동하는 쓰레기만 산출, 자연어로 설명하는 것이 고통
  • 직접 코딩을 통해 코드 아키텍처와 기술적 미래를 사고하는 과정이 절대 위임할 수 없는 가치
▲
GN⁺ 1일전  [-]
Hacker News 의견들

  • 요즘 제일 힘든 건 매니저들이 Claude로 50페이지짜리 설계 문서나 PRD를 만들어서 “검토 부탁”이라며 보내는 일임
    아무도 안 읽고, 작성자조차 이해 못함. 어떤 직원들은 끝없는 슬라이드 덱을 생성하고 질문하면 얼버무림
    심지어 오랫동안 코드를 안 짜던 사람들이 AI 덕분에 다시 코드를 제안하는데, 이상한 아이디어가 많음
    나는 프로덕션 코드는 직접 손으로 쓰고, AI는 버그 검토용으로만 씀. 단순한 부하 테스트용 스크립트 정도는 AI에 맡김

    • 예전엔 30분 걸리던 DB 성능 이슈 해결이 이제는 37페이지짜리 문서로 바뀜. 설명, 계획, 위험 분석까지 다 들어가서 멋져 보이지만 시간 낭비임
    • 나도 이 문제로 퇴사했음. 매니저가 무료 ChatGPT를 쓴 것 같은데, 문서가 의미 불명한 장문이라 검토 요청받을 때마다 지침
    • 누가 명백히 AI가 쓴 문서를 나한테 던지면, 나도 AI로 요약시킴. 아니면 직접 찾아가서 설명하라고 함
    • 내 경험상 LLM은 내가 나중에 직접 수정할 필요 없는 코드에는 괜찮지만, 디자인 능력은 형편없음
    • 우리 회사 매니저들도 LLM으로 Jira 티켓을 자동 생성하는데, 말도 안 되는 구현 세부사항이 들어가서 주니어들이 혼란스러워함. 결국 시니어들이 뒷수습함

  • 팀 분위기 탓도 있지만, AI 때문에 일이 정말 지루하고 힘들어짐
    큰 기능을 구현 중이었는데, 동료들이 내 예전 코드를 Claude에 넣고 “완성본”이라며 가져옴
    결과물은 비즈니스 요구사항이 틀리고 버그 투성이였음. 내 코드를 개선하려는 의도는 좋았지만, “Claude가 마무리해줄 거야”라는 태도는 모욕적이었음

    • 요즘 창업자들이 생산성 집착에 빠져 있음. 모든 걸 자동화하려고 하지만, 왜 하는지도 모를 때가 많음
      이제는 “모른다”고 말할 자유도 없음. 프롬프트 한 줄이면 답이 나오니까, 백엔드 개발자도 프론트엔드까지 떠맡게 됨
    • 이건 AI 문제가 아니라 팀 구조 문제 같음. 왜 동료들이 네 책임을 대신하나? 매니저는 뭐하나?
    • 누가 예전 코드로 작업하려 하면 그냥 “최신 코드 써라”고 말해야 함

  • 회사에서는 AI 덕분에 일이 끝없는 정리 작업으로 변했음
    상위 개발자들이 AI로 만든 코드를 나한테 넘기면, 나는 그걸 정리하느라 고생함
    예를 들어 한 팀이 만든 기능을 메인 코드베이스에 병합해야 했는데, API 설계가 전혀 안 맞고 불필요한 코드가 산더미였음
    결국 일주일 넘게 리팩터링하느라 지체됐고, 오히려 내가 느려 보였음
    반면 개인 프로젝트에서는 AI 덕분에 빠르게 실험하고 배우는 재미가 있음
    하지만 회사에서는 중간 레벨 개발자들이 사라질 미래가 보임. 리더와 주니어만 남고, 그 사이 계층은 점점 줄어들 것 같음

    • 이런 상황에서 그냥 묵묵히 정리만 하면 문제의 일부가 됨. AI 코드 품질 책임은 여전히 작성자에게 있음
    • 이런 태스크엔 “code proven to work” 링크를 보내버림. 검증 안 된 AI 코드로 사람을 고생시키는 건 비전문적임
    • API 설계 검증은 CI에서 자동으로 막아야 함. 통과 못 하면 PR 병합 금지해야 함
    • 깨진 코드를 받으면 그냥 “이건 작동 안 함, 다시 해야 하나?”라고 되물음
    • AI가 만든 불필요한 에러 처리나 중복 파싱 코드가 특징임. 이런 건 결국 사람이 정리해야 함
    • 이런 정리 작업은 가장 고된 일임. 구조적 결함을 고치는데도 인정은 못 받음

  • 나는 AI를 전혀 쓰지 않음. 내 게으름 스타일을 잘 알아서, 쓰기 시작하면 실력이 퇴화할 걸 앎
    동료 중 한 명은 이미 그걸 느끼고 코드 생성은 끊었지만, 너무 편해서 중독 같다고 함
    또 다른 동료는 AI 코드가 유지보수에 부적합하다고 느껴서 중단함. 대신 질문용으로만 씀
    주니어 한 명은 오히려 실력이 퇴보했음. AI가 짠 코드 구조가 그대로 드러남

    • 나도 ChatGPT Pro로 수학 공부는 하지만, 프로그래밍에는 절대 안 씀. 코딩 감각을 잃을 게 뻔함
      급할 땐 API 레퍼런스용으로만 잠깐 씀
    • 코드를 손으로 쓰는 능력의 퇴화는 진짜임. 종이지도 대신 Google Maps 쓰는 것과 같음
      하지만 AI가 만든 코드를 유지보수 못 한다는 주장은 논리적으로 납득이 안 됨. 마음에 안 들면 다시 생성하면 됨
      실제로 AI가 전체 프레임워크를 재작성한 사례도 봤음
    • 나도 처음엔 싫어했지만, 지금은 AI 없이는 못 사는 상태임. 속도는 5배 빨라졌지만, 가끔 맥락을 잃고 한 주를 날림
    • 나는 AI로 아이디어나 테스트를 논의하지만, 이해 없이 맡기진 않음
      엔지니어의 가치는 이해력에 있음. 이해 없는 자동화는 인간 자본의 퇴화임

  • 나는 Amazon 엔지니어로, 내부 Kiro 하네스와 Opus 4.6을 씀
    생산성은 회사에서 2~4배, 사이드 프로젝트에서는 10배 이상 향상됨
    예전엔 야근해야 했는데, 이제 9–5 근무로도 더 많은 기능을 냄
    AI는 단순 코딩뿐 아니라 배포 자동화, 데이터 분석, 디버깅에도 유용함
    예를 들어 코드 수정 후 gamma 환경에 배포하고 CloudWatch 로그로 검증하는 루프를 AI가 대신 돌림
    덕분에 2주 만에 한 달치 기능을 완성함. SWE가 먼저 자동화될 거란 말은 이해 안 감
    LLM의 한계는 있지만, 지금 수준만으로도 소프트웨어 엔지니어링의 판도가 바뀌고 있음

    • 최근 주니어의 AI 코드 푸시 금지 소문이 있었는데, 사실인지 궁금함
    • 나도 Linear와 Coder.com을 연결하는 브리지 서비스 배포에 AI를 써봤는데, kubectl과 MCP 통합 자동화가 신세계였음
    • 왜 이직 준비 중인지, 현재 일에서 못 하는 게 뭔지 궁금함
    • 나도 공감함. 예전엔 쓸모없는 기술을 배우느라 시간을 낭비했는데, AI 덕분에 환경 세팅과 학습 속도가 훨씬 빨라짐
      다만 AI가 만든 품질 낮은 코드 폭증이 걱정임
    • “Amazon 엔지니어”라는 말, 혹시 공식 발언인가 궁금함

  • 나는 FAANG에서 일함. 업무에서는 AI가 거의 도움이 안 됨
    디자인 문서 요약이나 코드 검색 정도만 쓸 만함. 실제로 작동하는 커밋을 받은 적은 없음
    주변에서도 성공적으로 쓰는 사람을 못 봤음.
    하지만 개인 프로젝트에서는 작은 신규 작업에선 확실히 10배 빠름
    회사 코드베이스가 너무 크고 복잡해서 그런 듯함

    • 반대로 나는 AI로 Terraform부터 빅데이터 프로젝트까지 1만 줄 넘게 작성함
      95%는 완벽히 작동하고, 문제 생길 부분도 예측 가능함.
      동료가 데이터 샘플링 요청했을 때도 즉석에서 해결함.
      예전엔 몇 시간 걸릴 일을 대화 중에 끝냄.
      못 하던 일은 할 수 있게, 어렵던 일은 쉽게, 쉽던 일은 더 빠르게 됨
    • 나도 짧은 스크립트엔 유용하지만, 모르는 영역에서는 오히려 느려짐
    • 나도 FAANG인데, 최근 사내 AI 툴이 급격히 개선됨
      프로토타입 제작이 빨라졌고, LLM이 API 설계 결함을 지적해준 적도 있음
      다만 너무 빠른 코드 생성은 리뷰 속도를 초과하므로, 작은 단위로 생성하는 게 핵심임
      테스트 수정이나 외부 빌드 오류 추적에도 큰 도움을 받음
      지금처럼 재미있게 일한 건 오랜만이지만, 동시에 일자리 불안감도 큼
    • FAANG 코드베이스는 폐쇄적 내부 프레임워크가 많아서, LLM이 학습하지 못한 영역임
      그래서 결과가 부정확한 건 당연함
    • 나도 동의함. 작을수록 잘 작동함. 대규모 코드에는 부적합함

  • 대형 기술기업에서 일하는데, 코드베이스가 거대하고 복잡함
    처음엔 AI를 꺼렸지만, 지금은 코드 탐색과 구조 이해에 큰 도움이 됨
    예전엔 며칠씩 걸리던 분석을 AI가 대신함.
    코드 생성은 주로 보일러플레이트 완화용으로만 씀. 품질은 낮지만 손으로 다 쓰는 것보단 약간 빠름
    개인 프로젝트에서는 큰 차이 없지만, ChatGPT와 대화하며 사고 정리하는 건 즐김

    • 이런 식의 이해 보조용 활용이 가장 안전하고 효과적임
      결국 사람이 맥락을 이해하고 검증하는 게 중요함

  • 프리랜서로 오래 일했는데, AI는 생산성에 거의 도움이 안 됨
    클라이언트에 낼 코드를 검토하면 항상 불필요한 복잡성, 성능 문제, 유지보수 리스크가 있음
    물론 간단한 자동화 작업엔 쓸 만하지만, 전체적으로는 손이 더 감

    • 프리랜서는 AI 덕분에 오히려 더 많은 일을 해야 함
      빠르게 끝냈다고 하면 품질 의심받고, 모델 사용료까지 부담해야 함
      결국 하루 종일 터미널과 싸우는 신세임. 그래도 예쁜 TUI는 많이 생김
    • 프리랜서 시장 자체가 AI로 인해 축소되는 것 같음. 단발성 작업 의뢰가 점점 사라짐

  • 내겐 AI가 순이익보다 손해가 큼
    코드 리뷰나 검색엔 좋지만, 실제 코딩은 항상 다시 써야 함
    결과물은 마치 시험만 통과하려는 학생이 쓴 코드 같음
    “이번엔 잘 되겠지” 하며 시도하지만 결국 시간 낭비임. 자바스크립트 프레임워크 유행 때와 비슷한 느낌임

    • 나도 그래. AI가 버그 탐색이나 코드 이해엔 탁월하지만, 품질을 신경 안 쓰면만 잘 작동함
      문제는 코드 품질이 정말 중요한가 하는 의문임.
      모듈화가 충분하다면, 품질 낮은 모듈은 다시 생성하면 그만이니까
      그래서 더 불안함. 어쩌면 진짜로 우리는 곧 대체될지도 모름

  • 놀랍게도 HN 분위기가 AI에 비관적이라 의외임
    나는 10년차 엔지니어인데, 트위터의 절반은 진짜임
    우리 팀은 3명으로 10만 DAU 앱을 유지하고 있음. 예전엔 10명이 필요했을 일임
    버그 리스트도 없고, 코드 품질도 손코딩 때보다 나쁠 게 없음
    리팩터링 빈도가 오히려 늘었고, 속도는 폭발적임. 정말 만족함

    • HN이 부정적인 건 이해됨. 하지만 AI는 이미 인간보다 코드 이해력이 뛰어남
      다만 지금은 코드를 계속 추가만 해서 복잡도가 폭발할 위험이 있음
      그래도 6개월 뒤엔 완전히 달라질 수도 있음. 지금은 흥미롭고 동시에 두려움
    • 대부분의 개발자들이 아직 두려움과 혼란 속에 있음.
      하지만 작은 팀일수록 AI로 폭발적인 생산성을 내고 있음
    • 100k DAU라니, 링크 좀 보고 싶음
    • 그 규모면 곧 복제 앱이 쏟아져 사용자 대부분이 빠질 수도 있음
답변달기